Big data. Inżynieria danych w AI - studia podyplomowe
Big data. Inżynieria danych w AI - studia podyplomowe
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Bazy danych
- Identyfikatory projektówKierunek - Rozwój, Zachodniopomorskie Bony Szkoleniowe
- Grupa docelowa usługi
Studia skierowane są do osób, które niekoniecznie ukończyły studia o charakterze informatycznym, a chciałyby podnieść swoje kwalifikacje w zakresie Big Data, głównie absolwentów studiów ekonomicznych, kierunków inżynierskich, biotechnologii i matematyki.
Usługa adresowana również dla Uczestników Projektu Kierunek – Rozwój;
Usługa rozwojowa adresowana również dla Uczestników projektu Zachodniopomorskie Bony Szkoleniowe
- Minimalna liczba uczestników15
- Maksymalna liczba uczestników25
- Data zakończenia rekrutacji13-10-2026
- Forma prowadzenia usługizdalna w czasie rzeczywistym
- Liczba godzin usługi194
- Podstawa uzyskania wpisu do BURart. 163 ust. 1 ustawy z dnia 20 lipca 2018 r. Prawo o szkolnictwie wyższym i nauce (t. j. Dz. U. z 2024 r. poz. 1571, z późn. zm.)
- Zakres uprawnieńStudia podyplomowe
Cel
Cel
Cel edukacyjny
Celem studiów jest przygotowanie uczestników do samodzielnego projektowania, pozyskiwania, przetwarzania, analizowania i interpretowania dużych oraz złożonych zbiorów danych z wykorzystaniem współczesnych narzędzi i technologii Big Data. Program rozwija praktyczne umiejętności w zakresie przygotowywania danych do analizy, automatyzacji procesów przetwarzania danych, wykorzystania baz danych i środowisk Big Data oraz doboru odpowiednich narzędzi do realizacji zadań związanych z inżynierią danych.Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
| Efekty uczenia się | Kryteria weryfikacji | Metoda walidacji |
|---|---|---|
| WIEDZA Wykorzystuje język SQL oraz metody statystyczne i ekonometryczne do pozyskiwania, przetwarzania i analizy danych. | Wymienia podstawowe funkcje i zastosowania języka SQL w pracy z bazami danych. | Test teoretyczny z wynikiem generowanym automatycznie |
| Wywiad ustrukturyzowany | ||
| Prezentacja | ||
| Rozróżnia podstawowe metody statystyczne i ekonometryczne wykorzystywane do analizy danych. | Wywiad ustrukturyzowany | |
| Prezentacja | ||
| Test teoretyczny z wynikiem generowanym automatycznie | ||
| Wyjaśnia zastosowanie SQL do pozyskiwania, filtrowania, łączenia i agregowania danych. | Wywiad ustrukturyzowany | |
| Prezentacja | ||
| Test teoretyczny z wynikiem generowanym automatycznie | ||
| Charakteryzuje zastosowanie metod statystycznych do opisu i analizy zbiorów danych. | Wywiad ustrukturyzowany | |
| Prezentacja | ||
| Test teoretyczny z wynikiem generowanym automatycznie | ||
| Dobiera właściwe narzędzia i metody analizy do rodzaju danych i celu analizy. danych. | Wywiad ustrukturyzowany | |
| Prezentacja | ||
| Test teoretyczny z wynikiem generowanym automatycznie | ||
| Wyjaśnia podstawowe zastosowania metod ekonometrycznych w analizie zależności między zmiennymi. | Wywiad ustrukturyzowany | |
| Prezentacja | ||
| Test teoretyczny z wynikiem generowanym automatycznie | ||
| UMIEJĘTNOŚCI Analizuje i interpretuje dane oraz przedstawia ich charakterystykę w kontekście różnych obszarów działalności biznesowej. | Interpretuje wyniki obliczeń statystycznych. | Wywiad ustrukturyzowany |
| Prezentacja | ||
| Tworzy model statystyczny adekwatny do danych eksperymentalnych i przeprowadzić proces decyzyjny | Prezentacja | |
| Wywiad ustrukturyzowany | ||
| Wykorzystuje odpowiednie metody analizy danych w rozwiązywaniu zagadnień społecznych, gospodarczych, zakresu medycyny, ekonomii | Prezentacja | |
| Wywiad ustrukturyzowany | ||
| UMIEJĘTNOŚCI Analizuje i interpretuje dane za pomocą adekwatnych modeli statystycznych oraz metod BIG DATA (Apache Spark/Hadoop), wspierając procesy decyzyjne w obszarach społecznych, gospodarczych, medycznych i ekonomiczny | Obsługuje oprogramowanie Apache Spark/Hadoop. | Wywiad ustrukturyzowany |
| Prezentacja | ||
| Obsługuje oprogramowanie z zakresu BIG DATA. | Prezentacja | |
| Wywiad ustrukturyzowany | ||
| KOMPETENCJE SPOŁECZNE Świadomie wykorzystuje kodowanie i metody statystyczne, działając kreatywnie w rozwiązywaniu różnorodnych problemów interdyscyplinarnych. | Identyfikuje społeczne, etyczne i organizacyjne konsekwencje wykorzystania kodowania | Wywiad ustrukturyzowany |
| Prezentacja | ||
| Stosuje metody statystyczne do rozwiązywania różnorodnych problemów w różnych dyscyplinach | Prezentacja | |
| Wywiad ustrukturyzowany | ||
| Działa kreatywnie w rozwiązywaniu problemów | Prezentacja | |
| Wywiad ustrukturyzowany |
Kwalifikacje i kompetencje
Kwalifikacje
Kwalifikacje niewłączone do ZSK
Uznane kwalifikacje
Informacje
- Nazwa Podmiotu prowadzącego walidacjęUniwersytet WSB Merito w Gdańsku
- Nazwa Podmiotu certyfikującegoUniwersytet WSB Merito w Gdańsku
Program
Program
LP. | NAZWA PRZEDMIOTU | ŁĄCZNA LICZBA GODZIN ZAJĘĆ | ŁĄCZNA LICZBA PUNKTÓW ECTS | Liczba godzin praktycznych | Liczba godzin teoretycznych |
I. | PRZETWARZANIE DANYCH DLA AI | ||||
1. | Feature engineering | 2,00 | 0,25 | 2,00 | 0,00 |
2. | Data pipelines z użyciem Apache Airflow | 4,00 | 0,50 | 3,00 | 1,00 |
3. | Automatyzacja ETL pod modele ML | 2,00 | 0,25 | 2,00 | 0,00 |
II. | MODELOWANIE PREDYKCYJNE I EWALUACJA MODELI | ||||
1. | Modelowanie z nadzorem (metody klasyfikacji, regresji), dobór parametrów oraz zmiennych w modelach uczelnia maszynowego | 20,00 | 5,00 | 18,00 | 2,00 |
III. | AI W BIG DATA – ZASTOSOWANIA PRAKTYCZNE | ||||
1. | Wykorzystanie Spark MLlib | 6,00 | 1,00 | 6,00 | 0,00 |
2. | AI w strumieniowym przetwarzaniu danych (Kafka i ML) | 8,00 | 1,00 | 7,00 | 1,00 |
IV. | MLOPS I WDRAŻANIE MODELI AI | ||||
1. | CI/CD dla modeli ML | 3,00 | 0,50 | 3,00 | 0,00 |
2. | Monitorowanie i retraining | 3,00 | 0,50 | 3,00 | 0,00 |
3. | Narzędzia: MLflow, Docker, Kubernetes | 8,00 | 1,00 | 7,00 | 1,00 |
V. | SYSTEMY BAZ DANYCH. PODSTAWY SQLA | ||||
1. | Diagramy ERD, Normalizacja, MS SQL, DDL, SQL DML | 24,00 | 3,00 | 16,00 | 8,00 |
VI. | PROGRAMOWANIE W JĘZYKU PYTHON | ||||
1. | Składnia, tablice, funkcje, Pandas, Statystyka w Pythonie | 24,00 | 3,00 | 18,00 | 6,00 |
VII. | PROGRAMOWANIE OBIEKTOWE W JĘZYKU PYTHON | ||||
1. | Atrybuty, klasy, konstruktor, metody, dziedziczenie, „metody magiczne” | 12,00 | 2,00 | 10,00 | 2,00 |
VIII. | NOSQL (MICROSOFT AZURE) | ||||
1. | Podstawowe koncepcje baz NoSQL - HBase, Cassandra, Impala, Neo4j | 20,00 | 3,00 | 14,00 | 6,00 |
IX. | ZAAWANSOWANE BAZY DANYCH I HURTOWANIE DANYCH | ||||
1. | Zawansowane aspekty języka SQL i TSQL; Koncepcje modelowania hurtowni danych (ROLAP, MOLAP, HOLAP); Technologie ETL/ELT; Elementy prezentacji danych np. Power BI | 24,00 | 3,00 | 18,00 | 6,00 |
X. | NARZĘDZIA BIG DATA (MICROSOFT AZURE) | ||||
1. | Apache Hadoop & Apache Spark | 24,00 | 3,00 | 16,00 | 8,00 |
XI. | PROJEKT | ||||
1. | Seminarium projektowe | 8,00 | 3,00 | 8,00 | 0,00 |
FORMA ZALICZENIA | |||||
Test końcowy | 1,00 | 0,50 | 1,00 | 0,00 | |
Egzamin końcowy | 1,00 | 0,50 | 1,00 | 0,00 | |
Razem | 194,00 | 31,00 | 153,00 | 41,00 |
Studia trwają 2 semestry.
Walidacja
W ramach studiów realizowany jest test teoretyczny z wynikiem generowanym automatycznie, który jest realizowany na platformie moodle. Każdy uczestnik posiada swój indywidualny dostęp. Test trwa 45 minut.
Egzamin końcowy - to obrona projektu realizowana w formie wywiadu ustrukturyzowanego oraz przedstawionej przez uczestnika prezentacji. Czas trwania to ok. 45 minut.
Liczba godzin w programie nauczania podana jest w godzinach dydaktycznych - 45 min. (194 godz. x 45 min. = 8730 min.)
W harmonogramie zajęć wykazano godziny zegarowe - 60 min. (8730 min. : 60 min. = 145,5 godz.)
Przerwy higieniczne wliczone są w harmonogram zajęć (145,5 godz. +20 godz. = 165,5 godz.)
Data zakończenia usługi to 27.06.2027, oznacza to, że obrona musi odbyć się najpóźniej w tym dniu.
* UWSB Merito w Gdańsku zastrzega sobie prawo do zmiany terminów zjazdów w tym przesunięcia terminu I zjazdu.
Harmonogram
Harmonogram
| Przedmiot / temat | Prowadzący | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin |
|---|---|---|---|---|---|
Brak wyników. | |||||
Cena
Cena
Cennik
| Rodzaj ceny | Cena |
|---|---|
Rodzaj ceny Koszt przypadający na 1 uczestnika brutto | Cena 7 100,00 PLN |
Podmiot uprawniony do zwolnienia z VAT na podstawie art. 43 ust. 1 ustawy o VAT | |
Rodzaj ceny Koszt przypadający na 1 uczestnika netto | Cena 7 100,00 PLN |
Rodzaj ceny Koszt osobogodziny brutto | Cena 36,60 PLN |
Rodzaj ceny Koszt osobogodziny netto | Cena 36,60 PLN |
Rodzaj ceny W tym koszt walidacji brutto | Cena 0,00 PLN |
Rodzaj ceny W tym koszt walidacji netto | Cena 0,00 PLN |
Rodzaj ceny W tym koszt certyfikowania brutto | Cena 200,00 PLN |
Rodzaj ceny W tym koszt certyfikowania netto | Cena 200,00 PLN |
Prowadzący
Prowadzący
Szymon Guzik
W ramach seminarium doktorskiego w Uniwersytecie Merito koncentruje się na opracowaniu metody zarządzania ryzykiem w strategiach inwestycyjnych, bazującej na koncepcji negentropii w finansowych szeregach czasowych. Jego działalność naukowa i praktyczne zaangażowanie w projekty rozwojowe pozwalają skutecznie łączyć teorię z zastosowaniem w realnych rozwiązaniach biznesowych.
Kwalifikacje: nabyte nie wcześniej niż 5 lat przed datą publikacji usługi.
Maciej Sykulak
Od kilkunastu lat realizuje projekty z zakresu uczenia maszynowego. Skupia się na wykorzystaniu modeli analitycznych w podejmowaniu decyzji biznesowych.
Wcześniej pracował w Thomson Reuters jako specjalista ds. automatyzacji i analizy jakości danych, zdobywając cenne doświadczenie branżowe.
Pasjonat Data Science. Uczestniczy w warsztatach i konferencjach, rozwijając kompetencje w językach R i Python oraz nowoczesnych metodach analizy danych.
Kwalifikacje: nabyte nie wcześniej niż 5 lat przed datą publikacji usługi.
Krzysztof Ziółkowski
Ukończył studia podyplomowe z zakresu Statystyki i matematyki finansowej na Wydziale Fizyki Technicznej i Matematyki Stosowanej Politechniki Gdańskiej. Łączy pracę zawodową z działalnością naukową w Wyższej Szkole Bankowej w Gdańsku. Trener SQL. MTA, MCP, MCSA, MCSE: Data Management and Analytics. Kwalifikacje: nabyte nie wcześniej niż 5 lat przed datą publikacji usługi.
Krzesimir Szarafiński
Jako kontraktor współpracował z renomowanymi instytucjami finansowymi i technologicznymi, realizując projekty dla takich klientów jak UBS, Credit Suisse, Aviva, Vanguard, Allianz czy Ticketmaster. Jego eksperckie doświadczenie obejmuje przetwarzanie danych w trybie wsadowym, programowanie backendowe oraz analizę danych, a obecnie rozwija się w obszarze uczenia maszynowego.
Posiada certyfikaty branżowe potwierdzające wysokie kwalifikacje: Snowflake SnowPro Core COF-C02 oraz C++ Institute CPA – C++ Certified Associate Programmer, co podkreśla jego wszechstronne kompetencje techniczne.
Prywatnie pasjonuje się fotografią, turystyką pieszą i rowerową, literaturą amerykańską oraz kognitywistyką, co pozwala mu łączyć miłość do technologii z aktywnością na świeżym powietrzu i rozwijaniem zainteresowań humanistycznych. Kwalifikacje: nabyte nie wcześniej niż 5 lat przed datą publikacji usługi.
Natalia Radzikowska
Data analysis in Python on Data Science and Big Data postgraduate studies
Data AnalystData Analyst
CARFAX Europewrz 2021 –obecnie · 4 lata2 mies.wrz 2021 – obecnie · 4 lata2 mies. Gdańsk, Woj. Pomorskie, PolskaGdańsk, Woj. Pomorskie, Polska
Python, Apache Airflow i ponad 7 umiejętności
Lecturer
Uniwersytet WSB Merito Gdańsk lut 2021 – sty 2024 · 3 latalut 2021 – sty 2024 · 3 lata
• Machine Learning in practice on Data Science postgraduate studies
• Data analysis in R on Data Science and Big Data postgraduate studies Kwalifikacje: nabyte nie wcześniej niż 5 lat przed datą publikacji usługi.
Krzysztof Danilewicz
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
Materiały elektroniczne zamieszczane na moodlu/temsach w formie prezentacji, bibliografii, plików dokumentów przygotowanych w dowolnym formacie.
Warunki uczestnictwa
Wymagane jest posiadanie wykształcenia wyższego min licencjat.
Szczegółowe informacje na temat rekrutacji znajdują się pod linkiem:
https://www.merito.pl/gdansk/studia-i-szkolenia/studia-podyplomowe/zapisy-na-studia
Szczegóły kierunku dostępne pod linkiem:
https://www.merito.pl/gdansk/studia-i-szkolenia/studia-podyplomowe/big-data-inzynieria-danych-w-ai
Informacje dodatkowe
Dodatkowo wymagany jest zapis przez formularz rekrutacyjny uczelni
https://www.merito.pl/rekrutacja/krok1
W zależności od projektu, w którym uczestnik bierze udział wymagana jest obecność na zajęciach min 80% lub 100% oraz potwierdzenie listy logowań do usługi.
zwolnienie z VAT na podstawie art.43 Ustawy o Podatku od towarów i usług 1. pkt 26.
Przedstawiona powyżej cena obejmuje obecnie obowiązującą promocje w czesnym oraz obejmuje system płatności 10 rat.
Uczestnik studiów otrzymuje świadectwo ukończenie studiów podyplomowych zgodnie z Rozporządzeniem Ministra Nauki z dnia 18 lipca 2024 r. zmieniające rozporządzenie w sprawie dokumentów wydawanych w związku z przebiegiem lub ukończeniem studiów podyplomowych i kształcenia specjalistycznego.
Zawarto umowę z WUP w Toruniu w ramach Projektu Kierunek – Rozwój;
Zawarto umowę z WUP w Szczecinie na świadczenie usług rozwojowych z wykorzystaniem elektronicznych bonów szkoleniowych w ramach projektu Zachodniopomorskie Bony Szkoleniowe.
Warunki techniczne
Warunki techniczne
Warunki techniczne uczestnictwa w zajęciach online
Wymagania minimalne:
- Posiadanie sprzętu elektronicznego z dostępem do Internetu o przepustowości co najmniej 5 Mb/s (zalecane 10 Mb/s lub więcej dla stabilnego połączenia).
- Monitor lub ekran umożliwiający komfortowe uczestnictwo w zajęciach.
- Kamera internetowa.
- Mikrofon oraz głośniki lub słuchawki.
Sprzęt zalecany:
- Laptop lub komputer stacjonarny (rekomendowany dla pełnej funkcjonalności platformy).
- Stabilne połączenie internetowe (preferowane połączenie kablowe zamiast Wi-Fi).
- Słuchawki z mikrofonem w celu poprawy jakości dźwięku.
Oprogramowanie:
- Uczelnia zapewnia dostęp do platformy Microsoft Teams (na której realizowane są zajęcia w czasie rzeczywistym – „face to face”) przez czas realizacji studiów,
- Uczelnia zapewnia dostęp do pakietu Microsoft Office 365.